Bolt.diy 项目中使用 LM Studio 本地大语言模型的配置指南
2025-05-15 09:58:44作者:胡易黎Nicole
问题背景
在使用 Bolt.diy 项目时,许多开发者希望通过 LM Studio 运行本地大语言模型(LLM)来生成代码。然而在实际配置过程中,经常会遇到 CORS 跨域问题、API 请求失败以及意外的 Ollama 警告等问题。本文将详细介绍如何正确配置 LM Studio 与 Bolt.diy 的集成。
核心问题分析
从实际案例来看,主要存在三个典型问题:
- CORS 跨域问题:虽然已在 LM Studio 中启用 CORS 选项,但 API 请求仍然失败
- API 端点不匹配:Bolt.diy 请求的 API 端点与 LM Studio 提供的端点不一致
- Ollama 警告干扰:未使用 Ollama 服务却出现相关警告信息
详细解决方案
1. LM Studio 基础配置
首先确保 LM Studio 已正确配置:
- 在服务器设置中启用 "CORS" 选项
- 启用 "Serve on Local Network"(在本地网络提供服务)选项
- 确认服务器监听的端口(默认 1234)
2. 正确的 API 端点配置
LM Studio 提供以下标准端点:
GET /v1/models
POST /v1/chat/completions
POST /v1/completions
POST /v1/embeddings
在 Bolt.diy 的环境变量配置文件(.env.local)中,需要正确设置这些端点地址。例如:
VITE_LMSTUDIO_URL=http://localhost:1234
3. 网络访问问题排查
当在 WSL 中直接运行 Bolt.diy 时:
- 确保 WSL 可以访问主机的本地网络
- 如果使用 localhost 不工作,尝试使用主机的实际 IP 地址
- 检查防火墙设置,确保端口未被阻止
4. 关于 Ollama 警告
即使不使用 Ollama 服务,Bolt.diy 默认会尝试连接 Ollama。这些警告不会影响 LM Studio 的功能使用,可以安全忽略。如需彻底移除,可以检查项目代码中与 Ollama 相关的初始化部分。
最佳实践建议
- 环境隔离:考虑使用 Docker 容器化部署,可以避免许多环境依赖问题
- 日志监控:同时监控 Bolt.diy 和 LM Studio 的日志输出,便于快速定位问题
- 逐步验证:
- 先用简单 HTTP 客户端(如 curl)测试 LM Studio 端点是否可达
- 再测试 Bolt.diy 的基础功能
- 最后进行完整集成测试
总结
通过正确配置 LM Studio 的网络服务选项和 API 端点,开发者可以顺利在 Bolt.diy 项目中使用本地运行的大语言模型。Docker 部署方式通常更为可靠,但在 WSL 环境中通过适当配置也能获得良好效果。遇到问题时,建议按照网络连接、API 端点和权限配置的顺序逐步排查。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322